jarrydmartinx/metabric2|乳腺癌数据集|基因表达数据集

该数据集包含多个与乳腺癌患者相关的特征，如患者ID、诊断年龄、手术类型、癌症类型等。数据类型包括整数、浮点数和字符串。该数据集用于训练，包含1904个样本，总大小为8074440字节。

原始信息汇总

数据集概述

数据集信息

特征描述

数据集包含以下特征及其数据类型：

• patient_id: 患者ID，数据类型为 int64
• age_at_diagnosis: 诊断时的年龄，数据类型为 float64
• type_of_breast_surgery: 乳腺癌手术类型，数据类型为 string
• cancer_type: 癌症类型，数据类型为 string
• cancer_type_detailed: 详细的癌症类型，数据类型为 string
• cellularity: 细胞密度，数据类型为 string
• chemotherapy: 是否接受化疗，数据类型为 int64
• pam50_+_claudin-low_subtype: PAM50和Claudin-low亚型，数据类型为 string
• cohort: 队列，数据类型为 float64
• er_status_measured_by_ihc: 通过IHC测量的ER状态，数据类型为 string
• er_status: ER状态，数据类型为 string
• neoplasm_histologic_grade: 肿瘤组织学分级，数据类型为 float64
• her2_status_measured_by_snp6: 通过SNP6测量的HER2状态，数据类型为 string
• her2_status: HER2状态，数据类型为 string
• tumor_other_histologic_subtype: 肿瘤其他组织学亚型，数据类型为 string
• hormone_therapy: 是否接受激素治疗，数据类型为 int64
• inferred_menopausal_state: 推断的绝经状态，数据类型为 string
• integrative_cluster: 综合集群，数据类型为 string
• primary_tumor_laterality: 原发性肿瘤侧向，数据类型为 string
• lymph_nodes_examined_positive: 检查阳性的淋巴结数量，数据类型为 float64
• nottingham_prognostic_index: 诺丁汉预后指数，数据类型为 float64
• oncotree_code: OncoTree代码，数据类型为 string
• pr_status: PR状态，数据类型为 string
• radio_therapy: 是否接受放射治疗，数据类型为 int64
• 3-gene_classifier_subtype: 3基因分类器亚型，数据类型为 string
• tumor_size: 肿瘤大小，数据类型为 float64
• tumor_stage: 肿瘤阶段，数据类型为 float64
• death_from_cancer: 癌症导致的死亡，数据类型为 string
• brca1: BRCA1基因，数据类型为 float64
• brca2: BRCA2基因，数据类型为 float64
• palb2: PALB2基因，数据类型为 float64
• pten: PTEN基因，数据类型为 float64
• tp53: TP53基因，数据类型为 float64
• atm: ATM基因，数据类型为 float64
• cdh1: CDH1基因，数据类型为 float64
• chek2: CHEK2基因，数据类型为 float64
• nbn: NBN基因，数据类型为 float64
• nf1: NF1基因，数据类型为 float64
• stk11: STK11基因，数据类型为 float64
• bard1: BARD1基因，数据类型为 float64
• mlh1: MLH1基因，数据类型为 float64
• msh2: MSH2基因，数据类型为 float64
• msh6: MSH6基因，数据类型为 float64
• pms2: PMS2基因，数据类型为 float64
• epcam: EPCAM基因，数据类型为 float64
• rad51c: RAD51C基因，数据类型为 float64
• rad51d: RAD51D基因，数据类型为 float64
• rad50: RAD50基因，数据类型为 float64
• rb1: RB1基因，数据类型为 float64
• rbl1: RBL1基因，数据类型为 float64
• rbl2: RBL2基因，数据类型为 float64
• ccna1: CCNA1基因，数据类型为 float64
• ccnb1: CCNB1基因，数据类型为 float64
• cdk1: CDK1基因，数据类型为 float64
• ccne1: CCNE1基因，数据类型为 float64
• cdk2: CDK2基因，数据类型为 float64
• cdc25a: CDC25A基因，数据类型为 float64
• ccnd1: CCND1基因，数据类型为 float64
• cdk4: CDK4基因，数据类型为 float64
• cdk6: CDK6基因，数据类型为 float64
• ccnd2: CCND2基因，数据类型为 float64
• cdkn2a: CDKN2A基因，数据类型为 float64
• cdkn2b: CDKN2B基因，数据类型为 float64
• myc: MYC基因，数据类型为 float64
• cdkn1a: CDKN1A基因，数据类型为 float64
• cdkn1b: CDKN1B基因，数据类型为 float64
• e2f1: E2F1基因，数据类型为 float64
• e2f2: E2F2基因，数据类型为 float64
• e2f3: E2F3基因，数据类型为 float64
• e2f4: E2F4基因，数据类型为 float64
• e2f5: E2F5基因，数据类型为 float64
• e2f6: E2F6基因，数据类型为 float64
• e2f7: E2F7基因，数据类型为 float64
• e2f8: E2F8基因，数据类型为 float64
• src: SRC基因，数据类型为 float64
• jak1: JAK1基因，数据类型为 float64
• jak2: JAK2基因，数据类型为 float64
• stat1: STAT1基因，数据类型为 float64
• stat2: STAT2基因，数据类型为 float64
• stat3: STAT3基因，数据类型为 float64
• stat5a: STAT5A基因，数据类型为 float64
• stat5b: STAT5B基因，数据类型为 float64
• mdm2: MDM2基因，数据类型为 float64
• tp53bp1: TP53BP1基因，数据类型为 float64
• adam10: ADAM10基因，数据类型为 float64
• adam17: ADAM17基因，数据类型为 float64
• aph1a: APH1A基因，数据类型为 float64
• aph1b: APH1B基因，数据类型为 float64
• arrdc1: ARRDC1基因，数据类型为 float64
• cir1: CIR1基因，数据类型为 float64
• ctbp1: CTBP1基因，数据类型为 float64
• ctbp2: CTBP2基因，数据类型为 float64
• cul1: CUL1基因，数据类型为 float64
• dll1: DLL1基因，数据类型为 float64
• dll3: DLL3基因，数据类型为 float64
• dll4: DLL4基因，数据类型为 float64
• dtx1: DTX1基因，数据类型为 float64
• dtx2: DTX2基因，数据类型为 float64
• dtx3: DTX3基因，数据类型为 float64
• dtx4: DTX4基因，数据类型为 float64
• ep300: EP300基因，数据类型为 float64
• fbxw7: FBXW7基因，数据类型为 float64
• hdac1: HDAC1基因，数据类型为 float64
• hdac2: HDAC2基因，数据类型为 float64
• hes1: HES1基因，数据类型为 float64
• hes5: HES5基因，数据类型为 float64
• heyl: HEYL基因，数据类型为 float64
• itch: ITCH基因，数据类型为 float64
• jag1: JAG1基因，数据类型为 float64
• jag2: JAG2基因，数据类型为 float64
• kdm5a: KDM5A基因，数据类型为 float64
• lfng: LFNG基因，数据类型为 float64
• maml1: MAML1基因，数据类型为 float64
• maml2: MAML2基因，数据类型为 float64
• maml3: MAML3基因，数据类型为 float64
• ncor2: NCOR2基因，数据类型为 float64
• ncstn: NCSTN基因，数据类型为 float64
• notch1: NOTCH1基因，数据类型为 float64
• notch2: NOTCH2基因，数据类型为 float64
• notch3: NOTCH3基因，数据类型为 float64
• nrarp: NRARP基因，数据类型为 float64
• numb: NUMB基因，数据类型为 float64
• numbl: NUMBL基因，数据类型为 float64
• psen1: PSEN1基因，数据类型为 float64
• psen2: PSEN2基因，数据类型为 float64
• psenen: PSENEN基因，数据类型为 float64
• rbpj: RBPJ基因，数据类型为 float64
• rbpjl: RBPJL基因，数据类型为 float64
• rfng: RFNG基因，数据类型为 float64
• snw1: SNW1基因，数据类型为 float64
• spen: SPEN基因，数据类型为 float64
• hes2: HES2基因，数据类型为 float64
• hes4: HES4基因，数据类型为 float64
• hes7: HES7基因，数据类型为 float64
• hey1: HEY1基因，数据类型为 float64
• hey2: HEY2基因，数据类型为 float64
• acvr1: ACVR1基因，数据类型为 float64
• acvr1b: ACVR1B基因，数据类型为 float64
• acvr1c: ACVR1C基因，数据类型为 float64
• acvr2a: ACVR2A基因，数据类型为 float64
• acvr2b: ACVR2B基因，数据类型为 float64
• acvrl1: ACVRL1基因，数据类型为 float64
• akt1: AKT1基因，数据类型为 float64
• akt1s1: AKT1S1基因，数据类型为 float64
• akt2: AKT2基因，数据类型为 float64
• apaf1: APAF1基因，数据类型为 float64
• arl11: ARL11基因，数据类型为 float64
• atr: ATR基因，数据类型为 float64
• aurka: AURKA基因，数据类型为 float64
• bad: BAD基因，数据类型为 float64
• bcl2: BCL2基因，数据类型为 float64
• bcl2l1: BCL2L1基因，数据类型为 float64
• bmp10: BMP10基因，数据类型为 float64
• bmp15: BMP15基因，数据类型为 float64
• bmp2: BMP2基因，数据类型为 float64
• bmp3: BMP3基因，数据类型为 float64
• bmp4: BMP4基因，数据类型为 float64
• bmp5: BMP5基因，数据类型为 float64
• bmp6: BMP6基因，数据类型为 float64
• bmp7: BMP7基因，数据类型为 float64
• bmpr1a: BMPR1A基因，数据类型为 float64
• bmpr1b: BMPR1B基因，数据类型为 float64
• bmpr2: BMPR2基因，数据类型为 float64
• braf: BRAF基因，数据类型为 float64
• casp10: CASP10基因，数据类型为 float64
• casp3: CASP3基因，数据类型为 float64
• casp6: CASP6基因，数据类型为 float64
• casp7: CASP7基因，数据类型为 float64
• casp8: CASP8基因，数据类型为 float64
• casp9: CASP9基因，数据类型为 float64
• chek1: CHEK1基因，数据类型为 float64
• csf1: CSF1基因，数据类型为 float64
• csf1r: CSF1R基因，数据类型为 float64
• cxcl8: CXCL8基因，数据类型为 float64
• cxcr1: CXCR1基因，数据类型为 float64
• cxcr2: CXCR2基因，数据类型为 float64
• dab2: DAB2基因，数据类型为 float64
• diras3: DIRAS3基因，数据类型为 float64
• dlec1: DLEC1基因，数据类型为 float64
• dph1: DPH1基因，数据类型为 float64
• egfr: EGFR基因，数据类型为 float64
• eif4e: EIF4E基因，数据类型为 float64
• eif4ebp1: EIF4EBP1基因，数据类型为 float64
• eif5a2: EIF5A2基因，数据类型为 float64
• erbb2: ERBB2基因，数据类型为 float64
• erbb3: ERBB3基因，数据类型为 float64
• erbb4: ERBB4基因，数据类型为 float64
• fas: FAS基因，数据类型为 float64
• fgf1: FGF1基因，数据类型为 float64
• fgfr1: FGFR1基因，数据类型为 float64
• folr1: FOLR1基因，数据类型为 float64
• folr2: FOLR2基因，数据类型为 float64
• folr3: FOLR3基因，数据类型为 float64
• foxo1: FOXO1基因，数据类型为 float64
• foxo3: FOXO3基因，数据类型为 float64
• gdf11: GDF11基因，数据类型为 float64
• gdf2: GDF2基因，数据类型为 float64
• gsk3b: GSK3B基因，数据类型为 float64
• hif1a: HIF1

AI搜集汇总

数据集介绍

构建方式

该数据集的构建基于METABRIC（Molecular Taxonomy of Breast Cancer International Consortium）项目，汇集了大量乳腺癌患者的临床和基因组数据。数据集包括患者的诊断年龄、手术类型、癌症类型、治疗信息、基因表达水平等多个特征。通过系统化的数据收集和整合，确保了数据的高质量和完整性，为乳腺癌研究和临床应用提供了宝贵的资源。

特点

METABRIC2数据集具有多维度的特征，涵盖了患者的临床信息、治疗反应、基因表达等多个方面。其特点在于包含了大量的基因表达数据，涉及多个与乳腺癌相关的基因，如BRCA1、BRCA2等。此外，数据集还提供了患者的生存时间和事件指示器，便于进行生存分析和预后模型的构建。这些特征使得该数据集在乳腺癌的分子分型、治疗方案优化和预后预测等方面具有重要的应用价值。

使用方法

METABRIC2数据集适用于多种乳腺癌相关的研究，包括但不限于生存分析、预后模型构建、基因表达与临床特征的关联分析等。研究者可以通过加载数据集，提取相关特征进行统计分析、机器学习模型的训练和验证。数据集的结构化设计使得数据处理和分析过程更加高效，支持多种编程语言和数据分析工具的使用。通过合理的数据预处理和特征选择，研究者可以深入挖掘数据中的潜在规律，为乳腺癌的精准治疗提供科学依据。

背景与挑战

背景概述

METABRIC2数据集是由Jarryd Martin和X团队在2023年创建的，专注于乳腺癌患者的基因表达和临床数据。该数据集包含了1904名患者的详细信息，涵盖了从基因突变到治疗反应的多个维度。主要研究人员通过整合多源数据，旨在解决乳腺癌预后和治疗策略优化的核心问题。METABRIC2数据集的发布对乳腺癌研究领域具有重要影响，为研究人员提供了丰富的数据资源，推动了个性化医疗和精准治疗的发展。

当前挑战

METABRIC2数据集在构建过程中面临多重挑战。首先，数据来源的多样性和异质性增加了数据整合和清洗的难度。其次，基因表达数据的复杂性和高维度使得特征选择和模型构建变得复杂。此外，临床数据的缺失和不一致性也对数据分析提出了挑战。最后，如何在保护患者隐私的前提下，有效利用这些敏感数据进行研究，也是一个重要的伦理和法律问题。

常用场景

经典使用场景

在乳腺癌研究领域，jarrydmartinx/metabric2数据集被广泛用于预测患者的生存率和治疗反应。通过分析患者的基因表达数据、临床特征以及治疗方案，研究人员可以构建模型来预测患者的预后，从而为个性化治疗提供依据。

实际应用

在临床实践中，jarrydmartinx/metabric2数据集的应用主要体现在个性化治疗方案的制定。医生可以根据患者的基因表达和临床特征，利用数据集中的信息来选择最有效的治疗策略，从而提高治疗效果和患者生存率。

衍生相关工作

基于jarrydmartinx/metabric2数据集，许多相关研究工作得以开展，包括开发新的预测模型、验证现有模型的有效性以及探索新的治疗靶点。这些研究不仅推动了乳腺癌研究的进展，也为其他癌症类型的研究提供了参考。